近年来,互联网络作为一个正在加速膨胀的思想阵地,已越来越引起足够的重视与运用,互联网的信息繁杂多样,良莠不齐,进步健康有益的信息大量涌现,同时,反动、迷信、黄色的信息也随之而来。加之互联网信息的虚拟性、隐蔽性、发散性、渗透性和随意性等特点,越来越多的人们愿意通过这类渠道表达自己的个人想法,于是,网络舆情的爆发将以“内容威胁”的形式逐渐对社会公共安全形成威胁。由于社情民意信息的重要性,作为数据挖掘技术手段之一的文本聚类有着非常广泛的应用前景。 文本聚类首先需要对文本进行预处理,通过分词、特征选择或特征抽取等过程将文本转化成计算机可处理的格式化数据如文本向量,然后使用聚类算法进行聚类。k-means算法由于操作简单、容易实现且时间效率高等优点是一种最常见经典的文本聚类算法。而且,对初始值的依赖性和对噪声数据的敏感性等不足使得k-means算法的改进研究具有很大的发展空间。 社情民意分析系统平台的目标是要挖掘出一段时间内用户普遍关注的热点问题。本文以认知的相对性规律及其相对变换方法为研究指导思想对k-means算法进行改进。相对变换具有简单性、普适性、可操作性等特点。通过对数据原始空间的相对变换的k-means算法能抑制噪音,并将稀疏数据变得相对密集,物理意义清晰。另外,本文还根据社情民意文本的特点,先应用数据挖掘的摘要算法程序对原始的社情民意文本进行摘要,然后对摘要文本进行聚类,提高了聚类质量。